Kubeflow für maschinelles Lernen: Vom Labor zur Produktion

Bewertung:   (4,1 von 5)

Kubeflow für maschinelles Lernen: Vom Labor zur Produktion (Trevor Grant)

Leserbewertungen

Zusammenfassung:

Das Buch bietet eine umfassende Einführung in Kubeflow und sein Ökosystem im Kontext von maschinellem Lernen und Cloud-nativer Entwicklung. Es wird für seine organisierte Struktur, den wertvollen Inhalt und die praktischen Beispiele geschätzt, was es zu einer geeigneten Ressource für diejenigen macht, die neu in Kubeflow sind. Einige Nutzer waren jedoch der Meinung, dass es teilweise verwirrend sein könnte und bemängelten veraltete Inhalte und die Druckqualität.

Vorteile:

Umfassender Überblick über Kubeflow
gut organisiert und strukturiert
gute Beispiele für die praktische Anwendung
wertvoll sowohl für Anfänger als auch für diejenigen mit einiger Erfahrung
hilft beim Verständnis von Deployment-Pipelines
angemessener Preis.

Nachteile:

Uneinheitlicher Ton zwischen den Kapiteln
einige Inhalte sind veraltet
Schwarz-Weiß-Bilder/Code in der Druckversion
einige Leser fanden, dass es sich eher wie eine Dokumentation als ein Buch liest
nicht für absolute Anfänger ohne Vorkenntnisse von Kubernetes oder Machine-Learning-Tools empfohlen.

(basierend auf 9 Leserbewertungen)

Originaltitel:

Kubeflow for Machine Learning: From Lab to Production

Inhalt des Buches:

Wenn Sie ein Modell für maschinelles Lernen trainieren, aber nicht sicher sind, wie Sie es in die Produktion bringen können, hilft Ihnen dieses Buch weiter. Kubeflow bietet eine Sammlung von Cloud-nativen Tools für verschiedene Phasen des Lebenszyklus eines Modells, von der Datenexploration über die Feature-Vorbereitung und das Modelltraining bis hin zur Modellbereitstellung. Dieses Handbuch hilft Datenwissenschaftlern, mit Kubeflow produktionsreife Machine-Learning-Implementierungen zu erstellen, und zeigt Dateningenieuren, wie sie Modelle skalierbar und zuverlässig machen können.

Anhand von Beispielen, die sich durch das gesamte Buch ziehen, erklären die Autoren Holden Karau, Trevor Grant, Ilan Filonenko, Richard Liu und Boris Lublinsky, wie man Kubeflow verwendet, um seine Machine-Learning-Modelle auf Kubernetes in der Cloud oder in einer Entwicklungsumgebung vor Ort zu trainieren und bereitzustellen.

⬤ Verstehen Sie das Design von Kubeflow, die Kernkomponenten und die Probleme, die es löst.

⬤ Verstehen der Unterschiede zwischen Kubeflow auf verschiedenen Clustertypen.

⬤ Modelle mit Kubeflow mit gängigen Tools wie Scikit-learn, TensorFlow und Apache Spark trainieren.

⬤ Halten Sie Ihr Modell mit Kubeflow Pipelines auf dem neuesten Stand.

⬤ Verstehen Sie, wie man Metadaten für das Modelltraining erfasst.

⬤ Erforschen Sie, wie Sie Kubeflow mit zusätzlichen Open-Source-Tools erweitern können.

⬤ Verwenden Sie Hyperparameter-Tuning für das Training.

⬤ Lernen Sie, wie Sie Ihr Modell in der Produktion einsetzen können.

Weitere Daten des Buches:

ISBN:9781492050124
Autor:
Verlag:
Einband:Taschenbuch
Erscheinungsjahr:2020
Seitenzahl:130

Kauf:

Derzeit verfügbar, auf Lager.

Ich kaufe es!

Weitere Bücher des Autors:

Kubeflow für maschinelles Lernen: Vom Labor zur Produktion - Kubeflow for Machine Learning: From Lab...
Wenn Sie ein Modell für maschinelles Lernen...
Kubeflow für maschinelles Lernen: Vom Labor zur Produktion - Kubeflow for Machine Learning: From Lab to Production
Die Geheimnisse Sri Lankas: Wie das Rajapaksa-Regime mit Mord davonkommt - Sri Lanka's Secrets: How...
Als sich der Bürgerkrieg in Sri Lanka 2009 seinem...
Die Geheimnisse Sri Lankas: Wie das Rajapaksa-Regime mit Mord davonkommt - Sri Lanka's Secrets: How the Rajapaksa Regime Gets Away with Murder

Die Werke des Autors wurden von folgenden Verlagen veröffentlicht:

© Book1 Group - Alle Rechte vorbehalten.
Der Inhalt dieser Seite darf weder teilweise noch vollständig ohne schriftliche Genehmigung des Eigentümers kopiert oder verwendet werden.
Letzte Änderung: 2024.11.13 22:11 (GMT)